英偉達真正的護城河是軟硬件生態

計算機處理器分為CPU和GPU，它們均可執行計算任務。然而，兩者在計算方式上存在顯著的差異。CPU更適合進行線性計算，而GPU則更擅長并行計算。 

通過CUDA這一媒介，研究人員和編程人員能夠使用編程語言與硬件設備進行交互，將復雜的數學問題分解成多個簡單的子問題，然后分發給GPU的多個計算核心進行處理。

 

在航空航天、生物科學研究、機械和流體模擬以及能源探索等領域，有80%的研究工作是建立在CUDA基礎之上的。 

其實各廠商的AI芯片的性能差距并不很大，也可以追趕，拉開差距的關鍵在于英偉達的CUDA計算架構及軟硬件生態。 

通過CUDA技術的運用，原本僅用于3D渲染的GPU得以在通用計算領域發揮作用，從而將應用領域從游戲（圖形渲染）擴展到了高性能計算、自動駕駛等多個領域。 

英偉達作為GPU核心供應商，通過CUDA架構構建了一個高度穩定的開發者生態系統，推動了其從傳統GPU供應商轉型為平臺化公司。

AI浪潮下，軟硬件生態位發生變化

而在生成式AI時代，人工智能正在呈爆發式發展，成為數據中心算力需求的主要驅動力之一。 

為了卸載、加速和隔離數據中心基礎設施工作負載，DPU應運而生。 

通過為高帶寬、低延遲、數據密集的計算場景提供計算引擎，DPU成了繼CPU、GPU之后，數據中心場景中的第三顆重要的算力芯片。 

可以說，DPU是企業構建加速計算平臺、AI工廠的關鍵。 

DPU的最基本功能在于其能夠取代CPU，從而構建以數據為中心的計算架構。 

通過采用DOCA，開發者可以創建軟件定義的、云原生的、由DPU加速的服務。 

以此來對未來的數據中心基礎設施進行編程，同時實現零信任保護，以滿足現代數據中心日益增長的性能和安全需求。

 

不斷進階的DPU

去年英偉達發布了第一款DPU產品BlueField-2，今年的GTC上又發布了BlueField-3，BlueField-3會在明年上半年推向市場。 

而從其路線圖上也可以看出，其DPU產品的性能實現了很大的跨越。從BlueField-2到BlueField-3，它的整形計算能力提升了5倍。 

BlueField-2 目前為軟件定義的網絡安全和存儲卸載了相當于125 個CPU核的工作量，而BlueField-3則能達到300個CPU核。 

到了BlueField-4以后，英偉達把GPU集成到DPU里來，DPU就真正成為一個完整的數據中心單元。 

據預測，到2025年，DPU全球市場容量將達到120億美金。

 

在這個領域，業界已經形成了一種共識，即采用可編程的、開放式的基礎設施。 

社會數字化轉型浪潮下，潛在海量數據待處理，DPU的邊界、職能、價值都尚在探討前期。

DOCA軟件堆棧同步DPU腳步

通過DOCA，開發人員可以利用行業標準的API在英偉達BlueField數據處理器（DPU）上快速創建網絡，存儲，安全以及管理服務，以及AI/HPC的一系列應用程序和服務。

 

因此，為了在這個市場獲得更大的成功，英偉達必須努力提高DOCA的完善程度和普及程度。 

在2020年的GTC大會上，英偉達發布了DOCA 1.0。 

在2021年，隨著DPU產品在市場上的成功，英偉達推出了與之配合的DOCA 1.2。 

為了進一步擴大在DPU市場的份額，英偉達不斷加大技術創新的力度，于2022年5月推出了DOCA 1.3。 

DOCA框架為開發者提供了一致的開發體驗，簡化了開發環境和構建部署的復雜性，從而為開發者帶來了諸多便利。 

近日，據英偉達中國官方微博消息，英偉達今日發布首部DPU和DOCA編程入門書籍《數據處理器：DPU編程入門》，號稱可為使用 英偉達BlueField系列DPU和DOCA開發環境的開發者提供實用指南。 

結尾： 

英偉達的DPU和DOCA技術無疑是一項重大突破，但它們面臨著激烈的市場競爭。 

包括Marvell、Cisco和AMD等廠商也在積極研發DPU技術，亞馬遜、阿里巴巴等云服務提供商也已經在數據中心中采用DPU技術。 

競爭激烈，但英偉達憑借其豐富的經驗和強大的研發實力，仍然有望在這個領域取得成功。